‘The teacher could correct me without being there’: Adapting distance education approaches to promote physical activity during lockdown
Notice bibliographique
Résumé
Despite the impossibility of face-to-face teaching during the covid-19 pandemic lockdown, many physical education teachers used remote activity pedagogical monitoring (PM) to keep students engaged in physical activity (PA). The aim of this study was to explore students’ experiences of remote PM practices during lockdown to engage in PA. A sequential explanatory mixed methods design was used, with a qualitative investigation (students’ experience of PM) informed by a quantitative investigation (relationship between PA and PM as a function of diligence). First, 644 French students (16.32 ± 1.01 years) participated in a longitudinal survey to collect retrospective data about their reported PA levels during a typical week before lockdown and four weeks after. A second step consisted of identifying clusters, based on how PA emerged in participants and diligence in PM. Five clusters were identified from which eight paragons accepted to be interviewed. Interviews were conducted with paragons from each cluster to understand their different lived experiences during PM. Results showed a significant decrease in PA during lockdown, with PM serving to limit the drop-out from PA. Positive experiences in PA engagement were associated with: (a) family and video support, (b) variety in the PA program, (c) requests for work, (d) provision of feedback, and (e) use of personalised training. Results are encouraging in terms of developing hybrid pedagogical practice which includes face-to-face activity and use of PM. Further research is needed to ensure these pedagogical principles lead to positive experiences of PA engagement at a distance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».